腾讯混元Terminal-RSI开源 27B登顶4基准

时间：2026年10月19日（论文 arXiv 提交日期为 10 月 15 日，10 月 19 日被国内技术媒体广泛报道）。 地点：美国西雅图 / 中国深圳（腾讯混元 Hy Frontier 实验室）/ arXiv 论文平台（编号 2610.22192）。 人物： - 一作 Junyao Yang（杨竣尧）、Zongxia Li（李宗夏）—— 腾讯混元 Hy Frontier 团队实习生。 - 一作 Yucheng Shi（史玉成）—— 西雅图腾讯研究科学家。 - 通讯作者：Shuicheng Yan（颜水成，Tencent Hy Frontier 负责人）。 - 合作机构：NUS（新加坡国立大学）、UMD（马里兰大学）、UGA（佐治亚大学）、Indiana University。 - 项目主导方：腾讯混元（Tencent Hunyuan）。 事件详情： 腾讯混元 Hy Frontier 团队 10 月 15 日在 arXiv 提交论文《Terminal-RSI: Recursive Self-Improving Terminal Agents via Recursive Self-Rewrite and Policy-Refine》（编号 2610.22192，全文 28 页、16 张图、5 张表），10 月 19 日被钛媒体、36氪、新浪财经、网易科技、DoNews 等国内技术媒体集中报道。论文聚焦一个核心问题：如何把"验证器结果"变成"有用的策略更新"，并把"部分进展"转化为"完整任务完成"。 团队设计了一套"五阶段递归自我改进"流程，以开源的阿里 Qwen3.8-27B 为基座：先让 actor 仅在"通过完整验证的沙盒轨迹"上做递归自我重写（RSR-1），并由专门审查 Agent 剔除验证器答案泄漏、手册仅保留"动作序列"，再监督微调；接着在 actor 动作空间发生变化后，让 critic 模型先独自热训 4 轮再带 actor 上分，用 PPO 强化学习做递归策略精炼（RPR-1）；第二轮再做一次 RSR-2 + RPR-2，最终产物为 Terminal-RSI-27B。 核心成绩： - Terminal-Bench 4.0（严格 Agent 终端基准）：0% → 19.84%，与 GPT-5.6 Terra、Gemini 3.8 Flash 齐平。 - Terminal-Bench 2.1：51.7% → 86.52%，单次跑分翻倍。 - Terminal-Bench 3.0：16.95%。 - Terminal-Bench Hard：79.00%。 - 四项 Terminal-Bench 平均分：20.68% → 50.58%（翻倍以上）。 - 长时程 LHTB：过程奖励 0.21 → 0.37，严格端到端通过 0/46 → 5/46。 - SWR100 解决率：3.00% → 6.00%，翻倍。 方法上有三项关键设计：Turn-Boundary Skip-Observation GAE（TB-GAE）在保留 token 级 baseline 的同时在交互回合间施加衰减；Family Dense Reward（FDR）+ Success-Prioritized Reward（SPR）把"语义进展"对齐到统一奖励、又区分"严格成功"与"有界部分成功"；Warm-up Critic Model + 递归 critic handover + 阶段化学习率，让 actor 与 critic 在递归 RL 中保持校准。 论文也坦承局限：这套 RSI 仅在 Qwen3.8-27B（27B 参数）单个模型上验证，没有在 Hy4 这种大参数量模型上跑通；只有三次评测、没有独立训练种子，是否能泛化到更大规模模型尚无定论。 背景： - 腾讯混元 2023 年立项时项目组连一块 GPU 都没有，最后从广告部门匀来 2000 张卡；2024 年 6 月混元负责人由张正友换成蒋杰，AI Lab 同步换到姚顺雨。 - 此前的混元 Hy4 Preview 主打"全链路 RSI"，被业内视为腾讯混元首个自己全程参与研发的模型；Terminal-RSI 是这一思路的延伸，但换成了"开源小基座"。 - "小 RSI"指的是：不依赖超大基座，用较小开源基座 + 递归自我改进来获得接近前沿的能力，把"Agent 研究"从"堆算力"中解放出来。 - RSI（Recursive Self-Improvement，递归自我改进）是 2026 年 AI Agent 研究最热方向之一，OpenAI、Anthropic、DeepMind、Google、智谱、DeepSeek 等都已发布相关报告；Terminal-RSI 是这份清单中第一份由"国内大厂 + 海外/国内开源基座"共同产出的实验成果。 - 这并非腾讯 + 阿里在模型层面的首次合作，2025 年起双方就有技术联动；2026 年阿里在 Qwen3.8 系列上的开源节奏让 Qwen3.8-27B 成为很多外部研究的"标准底座"。 影响： - 对 AI 开发者：提供了一个可复现的"小参数 + 递归 RL"配方，让拥有 27B 开源模型 + 标准 GPU 的研究团队也能在严格 Agent 基准上达到一线闭源水平。 - 对模型生态：阿里 Qwen3.8-27B 首次被用作腾讯主导 RSI 研究的基座，说明国内顶级开源模型正成为跨厂实验的标准底座。 - 对腾讯战略：继 Hy4 Preview 之后，混元再次以"RSI"作为差异化亮点；从"自研全链路 RSI"到"开源小 RSI"，腾讯正在构建"自家大模型 + 开源小 RSI"双轨研究路线。 - 对 OpenAI / Anthropic：继 Google RRSI 之后的又一份开源 RSI 成果，可能刺激闭源厂商加快可验证、可复现的 RSI 研究。 总结： 腾讯混元用阿里 Qwen3.8-27B 做基座实现"小 RSI"，本质是把"递归自我改进"从依赖超大规模基座的高门槛实验中释放出来，让任何拥有 27B 开源模型 + 标准 GPU 的研究团队都能复现。这一成果既是国内大厂"跨阵营合作"在研究层面的具体体现，也是 2026 年 AI Agent 研究从闭源竞赛走向"开源配方化"的标志性进展。 参考来源： 1. 钛媒体（2026-10-19）：用阿里当基座，腾讯混元实现了"小RSI"。https://www.tmtpost.com/8173087.html 2. arXiv 论文原文（2026-10-15 提交）：Terminal-RSI: Recursive Self-Improving Terminal Agents via Recursive Self-Rewrite and Policy-Refine。https://arxiv.org/abs/2610.22192 3. 论文项目主页（一作 Junyao Yang GitHub Pages）。https://jyyang26.github.io/terminal-rsi/ 4. HuggingFace 论文页（社区评论）。https://huggingface.co/papers/2610.22192 5. 一作 Yucheng Shi 公开介绍（X / Twitter）。https://x.com/Yucheng__Shi/status/2110926888319517119 6. LinkedIn 推荐（Elvis Saravia，DAIR.ai 创始人）。https://www.linkedin.com/posts/omarsar_banger-paper-from-tencent-on-recursive-self-improvement-activity-7517253174609674240-CM-W 7. AICoder 科技博客：Tencent AI Lab + NUS 提出 Terminal-RSI。https://aicoder.com/news/news-20261016-terminal-rsi-recursive-self-improving-terminal-agents 8. DoNews 报道：用阿里当基座，腾讯混元实现了"小RSI"。https://www.donews.com/article/detail/6885/108513.html 9. 36氪中文版：腾讯混元以阿里为基座成功实现"小RSI"技术突破。https://eu.36kr.com/zh/p/4032278617822855 10. 36氪英文版：Tencent Hunyuan Achieves "Small RSI" with Alibaba as Base Model。https://eu.36kr.com/en/p/4032278617822855 11. 新浪财经同步报道。https://finance.sina.cn/stock/jdts/2026-10-19/detail-inivtuen0927019.d.html 12. 中文IT资讯网同步报道。https://www.citnews.com.cn/news/222946 13. 腾讯官方研究页（背景：Hy4 preview 发布信息）。https://hunyuan.tencent.com/research/hy4-preview